First discovered by Ernest Abbe in 1873, the resolution limit of a far-field microscope is considered determined by the numerical aperture and wavelength of light, approximately $\lambda$/2NA. With the advent of modern fluorescence microscopy and nanoscopy methods over the last century, it is recognized that Abbe's resolution definition alone could not solely characterize the resolving power of the microscope system. To determine the practical resolution of a fluorescence microscope, photon noise remains one essential factor yet to be incorporated in a statistics-based theoretical framework. Techniques such as confocal allow trading photon noise in gaining its resolution limit, which may increase or worsen the resolvability towards fluorescently tagged targets. Proposed as a theoretical measure of fluorescence microscopes' resolving power with finite photons, we quantify the resolvability of periodic structures in fluorescence microscopy systems considering both the diffraction limit and photon statistics. Using the Cramer-Rao Lower Bound of a parametric target, the resulting precision lower bound establishes a practical measure of the theoretical resolving power for various modern fluorescence microscopy methods in the presence of noise.


翻译:Ernest Abbe于1873年首次发现,远地显微镜的分辨率极限由光的数值孔径和波长(约合$=lambda$/2NA)来决定。随着上个世纪现代荧光显微镜和纳米显微镜方法的出现,人们认识到,Abbe的分辨率定义不能仅仅描述显微镜系统的分辨率力量。为了确定荧光显微镜的实际分辨率,光子噪音仍然是尚未纳入基于统计的理论框架的重要因素之一。诸如confocal允许光噪音交易以达到其分辨率极限的技术,这可能会增加或加剧对荧光标记目标的可溶性。作为荧光显微镜用有限的光解力的理论衡量尺度,我们将荧光显微镜系统定期结构的可溶性量化,同时考虑到了底线限制和光子统计数据。使用光谱目标的Cramer-Rao低波,由此而得出的精确度较低约束度为各种现代微声镜的理论解力提供了一种实用的尺度。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
专知会员服务
159+阅读 · 2020年1月16日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年3月29日
VIP会员
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员